百万悬赏AI制药：极奥智能早Anthropic一天

近期AI制药领域的竞赛突然升温，两大玩家的动作形成了鲜明对比。9月17日，知名AI公司Anthropic公布了其在生物分子模型上的重磅优化成果，同时联合合作方发起蛋白质设计公开赛，计划投入百万级资源推动前沿蛋白质设计的实验室验证。但就在一天前，一家刚成立不久的AI制药初创公司已经抢先抛出了全新的悬赏模式，重新定义了药物研发的竞赛逻辑。

Anthropic这次的模型更新覆盖了三十多个开源生物分子模型，推理速度平均提升四倍，还推出了低内存运行模式，可以在单张NVIDIA H100 GPU节点上处理超过一万个token的生物分子系统预测。除了底层模型优化，他们联合Adaptyv Bio推出的公开赛设置了五道前沿蛋白质设计难题，将在Adaptyv的自动化实验室中验证五千多条设计方案，总投入包含最多百万美元的Claude积分与实验资源。

这场比赛对外宣传“对所有人开放、免费参赛”，但仔细查看官方条款后发现，存在明确的地区限制，多个国家和地区的参与者被排除在外，包括中国在内的大量研究者无法参与这场看似开放的赛事。

而在Anthropic发布活动的前一天，也就是9月16日，刚官宣一周的Geodesic Intelligence（极奥智能）就推出了面向全球的药物发现难题征集活动，其悬赏模式更加特别：不是奖励已经完成的解题方案，而是奖励提出真正有行业价值的问题。

该活动的征集标准十分明确：一旦问题被解决，能够改写药物发现领域未来五到十年的行业边界。科学委员会将对提交的问题进行逐一评审，入选的每个问题将获得十万Geodesic credits。当问题正式确定后，平台会再开启专门的解题征集环节，每一道正式挑战的合格解决方案将获得百万美元的现金奖励，而非积分或实验资源。

该公司创始人在分享时曾表示：“有些问题值得用最快速度去解，药物发现就是其中之一，一起把最难的题找出来、解掉。”

Anthropic的比赛更偏向于验证已有的设计方案，将资源投入到实验室验证环节，帮助更多蛋白质设计成果走向实际应用；而Geodesic则先通过全球征集明确行业最需要攻克的方向，再针对性地推动问题解决。两者看似互补，但背后的参赛资格差异却引发了广泛讨论：Anthropic的公开赛将大量地区的研究者排除在外，而Geodesic的征题活动则明确表示欢迎所有背景的参与者，无论国籍、身份或专业背景。

一家刚亮相一周的初创公司，反而率先打出了开放包容的竞赛旗号，这让两大活动的对比显得格外有趣。

Geodesic的核心目标是构建能够打通从生物学到药物研发最短路径的通用人工智能，为此他们搭建了完整的Nova Stack技术栈，覆盖从软件工具、基础模型到湿实验实验室的全链条布局。

第一层：NovaDDE——给科学家的AI指挥部

NovaDDE是Geodesic面向药物研发科学家打造的智能体工作台。传统的药物研发流程繁琐，需要在十多个不同的工具之间切换，从查阅文献、验证生物学证据到分析分子结构、运行计算模型再评估结果，很容易出现流程断层。NovaDDE将所有研发流程整合在一个统一平台中，通过AI智能体自动规划任务、调用模型并完整记录每一步决策。

用户可以用自然语言描述自己的实验需求，也可以直接进入设计模式，圈定靶点表面后系统会自动生成约八十个氨基酸的蛋白钩子（binder）。根据官方公布的数据漏斗，该平台可以从一千多个候选分子中筛选出一百多个高质量方案，最终将十多个候选送进实验室验证。值得一提的是，平台严格保障用户的靶点数据所有权，不会将用户数据用于模型训练，用户随时可以要求删除自己的实验数据。

第二层：NovaAtom——把分子「拍清楚」

NovaAtom-Lite-Preview是Geodesic自研的全原子结构预测模型，也是NovaAtom家族的首个公开成员。该模型可以通过输入的分子序列直接计算每个重原子的三维坐标，像医学CT扫描一样清晰呈现分子的真实形态与不同分子间的相互作用。

它拥有三个核心特点：一是支持蛋白、DNA、RNA与小分子的联合预测，而非分开预测后再拼接组合，这对于理解药物与靶点的复杂互动至关重要；二是可以支持复杂的约束条件，比如环状多肽、需要形成共价键的药物分子或是指定的结合位置；三是每个预测结果都会附带可信度标签，会给出五个排序后的预测结果，并标注模型对每个结构位点的置信度。目前公开的是轻量快速版，更大规格的模型仍在训练当中。

第三层：NovaLab——电脑里画的分子，得真做出来

仅仅在计算机上设计分子并不足以推动药物研发，NovaLab是Geodesic自建的湿实验验证系统，负责将AI生成的分子设计转化为实物样本。每一个候选的binder都需要经过七重严格验证：能否成功合成、合成结构是否正确、能否与靶点结合、结合强度如何、换用仪器重复测试确认信号真实性、是否具备成药潜力以及最终的药效验证。

完成全部验证后，实验数据会反哺回AI模型，实现“AI设计→实验验证→模型迭代”的完整闭环。这种从工具、模型到实验室的全栈布局，在初创AI制药公司中非常罕见，大多数同行要么专注于模型开发，要么仅搭建实验平台，而Geodesic选择同时投入两端，打造完整的研发闭环。

OpenAI曾投入海量算力攻克数学难题却最终放弃百万奖金，Anthropic通过赛事将资源投入到实验室验证环节，帮助科研成果落地；而Geodesic则通过悬赏征题重新定义了药物研发的竞赛模式，将行业最需要解决的问题交给全球共同体发掘。

Anthropic解决的是“验证成本过高”的行业痛点，而Geodesic解决的是“研发方向不明”的核心问题。虽然两者的资源体量差距巨大，但谁能率先明确行业未来的研发方向，谁就能定义药物发现领域的下一个十年。

数学领域的千禧年难题等待了二十六年才迎来新的突破，而药物研发领域无法承受如此漫长的等待，它值得以最快的速度推动问题被提出、被解决。